AI知错进化引擎

问题在哪

大模型助手会在同一类任务上反复犯同类错误：事实算错、条款理解反了、格式细节偏差。普通对话纠正只停留在当轮上下文里，下一轮没有结构化记忆，也很难判断「这条纠偏是否真的生效」。你需要的是可检索、可验证、可审计的错误进化链路，而不是又一个通用日志或 Bug 系统。

六步闭环怎么跑

本技能对应一套纯 Python、零依赖的本地 CLI（main.py），把纠错收成固定工作流：

1. 感知与记录：用户纠正、任务失败或自检发现后，用 record 写入错误日志，按类型（fact / logic / format / procedure / omission）和级别（critical～trivial）分类。
2. 纠偏：correct 针对某条错误 ID 生成纠偏规则写入知识库，并按 1 / 3 / 7 / 30 天遗忘曲线安排复习。
3. 验证与升级：verify --result passed 累计通过；连续 3 次 passed 自动标记为 evolved，failed 则重置计数。
4. 复习与审计：review 处理到期项；audit 输出全链路进化报告。辅以 list、search，以及与写作场景联动的 feedback-write、writing-rules。

错误分级有明确判定：critical（例如给错投标截止日期）会立即通知用户，不静默记录。

边界与硬约束

引擎定位是 AI 自我改进工具，不用于用户行为追踪、项目管理、团队协作 Bug 池，也不记录主观偏好分歧。纠偏规则不可覆盖系统安全规则；数据纯本地存储，无网络依赖。可与写作类技能联动：被拒稿 → feedback-write → writing-rules 检索生效；若反复犯错未纠偏，也可作为上下文污染排查的输入。